cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agung Setia Budi
Contact Email
agungsetiabudi@ub.ac.id
Phone
+62341-577911
Journal Mail Official
jtiik@ub.ac.id
Editorial Address
Fakultas Ilmu Komputer Universitas Brawijaya Gedung F FILKOM Lt. 8, Ruang BPJ Jalan Veteran No. 8 Malang Indonesia - 65145
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : 23557699     EISSN : 25286579     DOI : http://dx.doi.org/10.25126/jtiik
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) merupakan jurnal nasional yang diterbitkan oleh Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya (UB), Malang sejak tahun 2014. JTIIK memuat artikel hasil-hasil penelitian di bidang Teknologi Informasi dan Ilmu Komputer. JTIIK berkomitmen untuk menjadi jurnal nasional terbaik dengan mempublikasikan artikel berbahasa Indonesia yang berkualitas dan menjadi rujukan utama para peneliti. JTIIK di akreditasi oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia Nomor: 36/E/KPT/2019 yang berlaku sampai dengan Volume 11 Nomor 2 Tahun 2024.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 26 Documents
 1   2   3 
Search results for , issue "Vol 9 No 4: Agustus 2022" : 26 Documents clear
Implementasi Simple Additive Weight pada Sistem Pendukung Keputusan Penerima Bantuan Stimulan Perumahan Swadaya Berbasis Web di Dinas Perumahan dan Kawasan Pemukiman Kota Magelang Pamungkas, Eko Joko; Yudatama, Uky; Artha, Emilya Ully
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022944697

Abstract

Salah satu program pemerintah yang sedang berjalan yaitu program Bantuan Stimulan Perumahan Swadaya (BSPS) dengan targetnya adalah masyarakat berpenghasilan rendah dan memiliki rumah yang belum layak huni. Rumah Tidak Layak Huni yang selanjutnya disingkat RTLH adalah rumah yang tidak memenuhi persyaratan keselamatan bangunan, kecukupan minimum luas bangunan, dan kesehatan penghuni. Adapun kriteria yang harus dipenuhi untuk mendapatkan Bantuan Stimulan Perumahan Swadaya ini Kondisi Atap, Dinding, Pintu & Jendela, Lantai, Pondasi,Sanitasi, dan calon penerima harus merupakan warga negara Indonesia dan mempunyai sertifikat hak milik atas tanah rumah tersebut. Dalam menentukan Penerima Bantuan Stimulan Perumahan Swadaya Dinas Perumahan dan Kawasan Permukiman masih kurang efektif dalam penentuan penerima Bantuan Stimulan Perumahan Swadaya seperti banyaknya calon penerima Bantuan Stimulan Perumahan Swadaya sedangkan dana bantuan stimulan perumahan swadaya yang turun dari pusat hanya sedikit dari banyaknya calon penerima bantuan stimulan perumahan swadaya maka di perlukan perangkingan dari setiap kriteria-kriteria dari calon penerima bantuan yang ada. Selain itu data survey masih ditulis menggunakan kertas secara manual sehingga rawan untuk hilang ataupun rusak dan juga proses pemilihan Penerima Bantuan Selama ini belum terpublikasi. Metode Simple Additive Weighting digunakan untuk penentuan diterima/ tidak berdasarkan urutan rangking prioritas. Selain itu dengan menggunakan Aplikasi Web bertujuan untuk mempublikasi hasil penilaian Bantuan Stimulan Perumahan Swadaya di Dinas Perumahan dan Kawasan Permukiman. Dengan dibangunnya sistem ini dapat mempermudah Surveyor dalam proses penginputan data penduduk dan penginputan data nilai sehingga membantu dalam proses pemilihan Penerima Bantuan Stimulan Perumahan Swadaya. Sistem yang telah dibuat ini dapat membantu dalam pemilihan Penerima Bantuan Stimulan Perumahan Swadaya karena selain  memberikan hasil perhitungan perankingan tetapi juga menampilkan grafik visualisasi sehingga mempermudah dan mempercepat dalam pengambilan keputusan. AbstractOne of the ongoing government programs is Bantuan Stimulan Perumahan Swadaya (BSPS) program with the target being people who have low income and have houses that are not yet suitable for habitation. Unfit for habitation, hereinafter abbreviated as RTLH, is a house that does not meet the requirements for building safety, minimum adequacy of building area, and occupant health. The criteria that must be met to get this Self-Help Housing Stimulant Assistance are Conditions of Roof, Walls, Doors & Windows, Floor, Foundation, Sanitation, and prospective recipients must be Indonesian citizens and have a certificate of title to the land of the house. In determining Recipients of Bantuan Stimulan Perumahan Swadaya Dinas Perumahan dan Kawasan Permukiman is still ineffective in determining recipients of Bantuan Stimulan Perumahan Swadaya such as the number of prospective recipients of Bantuan Stimulan Perumahan Swadaya while the funds for Bantuan Stimulan Perumahan Swadaya that have come down from the center are only a few of the many potential recipients of Bantuan Stimulan Perumahan Swadaya. then it is necessary to rank each of the criteria of the existing beneficiary candidates. In addition, the survey data is still written using paper manually so it is prone to loss or damage and the process of selecting aid recipients has not been published. The Simple Additive Weighting method is used to determine whether it is accepted or not based on the priority ranking order. In addition, using the Web application aims to publish the results of the assessment of Bantuan Stimulan Perumahan Swadaya in Dinas Perumahan dan Kawasan Permukiman. With the construction of this system, it can facilitate Surveyors in the process of inputting population data and inputting value data to assist in the selection process of Penerima Bantuan Stimulan Perumahan Swadaya. The system that has been created can assist in the selection of Self-help Housing Stimulant Assistance Recipients because, in addition to providing ranking results, it also displays visualization graphs to simplify and speed up decision making.
Jaringan Syaraf Tiruan Perambatan Balik untuk Klasifikasi Covid-19 Berbasis Tekstur Menggunakan Orde Pertama Berdasarkan Citra Chest X-Ray Yudono, Muchtar Ali Setyo; Hamidi, Eki Ahmad Zaki; Jumadi, Jumadi; Kuspranoto, Abdul Haris; Sidik, Aryo De Wibowo Muhammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022945663

Abstract

COVID-2019 pertama kali muncul di kota Wuhan, Cina pada Desember 2019, kemudian menyebar dengan cepat ke seluruh dunia dan menjadi pandemi. Pandemi COVID-19 telah menyebabkan dampak yang cukup fataluntukkesehatan masyaraka. Merupakan hal yang sangat penting untuk mendeteksi kasus positif sedini mungkin untuk pencegahan penyebaran lebih lanjut dari virus ini. Teknik tes paling umum yang saat ini digunakan untuk mendiagnosa COVID-19adalah reverse-transcriptase polymerase chain reaction (RT-PCR). Pencitraan radiologis dada seperti chest X-ray memiliki peran penting dalam diagnosis dinipenyakit ini. Karena sensitivitas RT-PCR rendah 60% -70%, bahkan jika hasil negatif diperoleh, gejala dapat dideteksi dengan pemeriksaan gambar radiologi pasien. Teknik kecerdasan buatanyang digabungkan dengan pencitraan radiologis dapat membantu untuk mendiagnosis COVID-19 dengan lebih cepat dan akurat.Proses klasifikasi pada penelitian ini terdapat beberapa tahapan yaitu pra-pengolahan, segmentasi, ekstraksi ciri, dan klasifikasi. Ekstraksi ciri yang digunakan adalah berdasarkan tekstur orde pertama dan klasifikasi yang digunakan adalah jaringan syaraf tiruan perambatan balik. Sistem klasifikasi pada penelitian ini menghasilkan rata-rata akurasi klasifikasi sebesar 94,17% untuk kelas normal dan 77,5% untuk COVID-19. Hasil akurasi tertinggi didapat pada skenario pertama dengan hasil akurasi sebesar 88,8%. Nilai rata-rata sensitivitas yang didapat pada penelitian ini sebesar 94,17% untuk kelas normal dan 76,67% untuk kelas COVID-19. Nilai rata-rata spesifisitas yang didapat pada penelitian ini sebesar 76,67% untuk kelas normal dan 94,17% untuk kelas COVID-19.AbstractCovid-2019 first appeared in Wuhan, China, in December 2019, then quickly spread throughout the world and became a pandemic. The Covid-19 pandemic has had a fatal impact on public health. It is crucial to detect positive cases as early as possible to prevent the further spread of this virus. The most common test technique currently used to diagnose Covid -19 is the reverse-transcriptase polymerase chain reaction (RT-PCR). Chest radiological imaging such as chest X-ray has a vital role in the early diagnosis of this disease. Due to the low RT-PCR sensitivity of 60%-70%, symptoms can be detected by examining the patient's radiological images even if a negative result is obtained. Artificial intelligence techniques combined with radiological imaging can help diagnose Covid -19 more quickly and accurately. The classification process in this study consists of several stages, namely pre-processing, segmentation, feature extraction, and classification. The feature extraction used is based on the first-order texture, and the classification used is a backpropagation neural network. The classification system in this study resulted in an average classification accuracy of 94.17% for the normal class and 77.5% for Covid -19. The highest accuracy results were obtained in the first scenario, with an accuracy of 88.8%. The average sensitivity value obtained in this study was 94.17% for the normal class and 76.67% for the Covid -19 class. The average specificity value obtained in this study was 76.67% for the normal class and 94.17% for the Covid -19 class.
Kebaruan Fungsional Vertex Marker Terhadap Marker Based Augmented Reality Tracking Factors (Jarak, Sudut, dan Luas Permukaan) Kusuma, Wahyu Teja; Supianto, Ahmad Afif; Tolle, Herman; Anshori, Mochammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022945748

Abstract

Fungsional marker adalah yang paling utama mempengaruhi kinerja dari Marker Based Augmented Reality tracking system. Sedangkan vertex marker adalah marker jenis baru yang dihasilkan dari penelitian sebelumnya. Penelitian ini penting untuk dilakukan guna membuktikan fungsional dari vertex marker terhadap faktor-faktor yang mempengaruhi Marker Based Augmented Reality tracking system (jarak, sudut, dan luas permukaan yang tertutupi). Penelitian ini juga membandingkan hasil pengujian fungsional vertex marker dengan single marker. Akhirnya, penelitian ini berkontribusi untuk membuktikan kebaruan dari fungsional vertex marker pada faktor jarak ideal, sudut ideal, dan luas permukaan yang tertutupi dibidang Marker-Based Augmented Reality tracking system. AbstractFunctional of marker is the main thing that affects the performance of the Marker Based Augmented Reality tracking system. This research is important to do to prove the functional of vertex markers against Marker Based Augmented Reality tracking factors (distance, angle, and testing of the surface area covered). This study also compared the results of the functional testing of the vertex marker with the single marker. Finally, this research contributes to proving the novelty of functional vertex markers in the field of Marker-Based Augmented Reality tracking factors.
Sistem Isyarat Bahasa Indonesia (SIBI) Metode Convolutional Neural Network Sequential secara Real Time Nurhayati, Oky Dwi; Eridani, Dania; Tsalavin, Muhammad Hafiz
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022944787

Abstract

Bahasa isyarat dengan menggunakan gerakan tangan biasanya dilakukan oleh tuna rungu dan tuna wicara. Bahasa isyarat yang digunakan di Indonesia adalah SIBI (Sistem Isyarat Bahasa Indonesia). Namun, penggunaan bahasa isyarat tangan tidak selalu di mengerti oleh manusia normal sehingga dibutuhkan perangkat tambahan yang dapat mempermudah dalam menerjemahkan suatu isyarat. Perangkat tambahan yang dikembangkan dalam penelitian ini melibatkan teknologi visi komputer deep learning sehingga menghasilkan tools untuk menerjemahkan bahasa isyarat tangan. Dalam penelitian ini, gambar isyarat tangan di capture menggunakan webcam kemudian dilakukan pre-processing dengan mengubah gambar ke dalam bentuk HSV. Gambar yang digunakan dalam penelitian berupa citra sebanyak 26 kelas huruf alfabet SIBI dan 3 kelas tambahan, dengan masing-masing kelas memiliki 1000 gambar. Kemudian dilakukan cropping dan thresholding dengan menempatkan isyarat tangan yang berbentuk huruf  kedalam kotak yang merupakan area ROI untuk memudahkan pengenalan. Teknologi visi komputer deep learning convolutional neural network (CNN) digunakan untuk feature learning dan mengklasifikasi isyarat tangan pada sebuah obyek. Untuk menguji metode CNN, digunakan berbagai variasi cahaya sebesar 10-200 lux, serta jarak dari tangan ke webcam 50-200 cm. Hasil penelitian dengan metode CNN pada citra isyarat tangan memberikan akurasi sebesar 92%, presisi 91,96%, sensitivitas 91,9%, spesivisitas 91,96% dan f1 score 91,9%. AbstractSign language is usually used by deaf and speech impaired persons. The Sistem Isyarat Bahasa Indonesia (SIBI) is a hand signal language used in Indonesia. The use of hand signals is not always understood by normal humans, such that additional devices are needed to make sign translation easier. The additional device in this study is developed using deep learning and computer vision technology to produce a hand signal translation tool. This study uses 29 sign images for a dataset, consisting of 26 letters of the alphabet and 3 additional signs, namely space, delete, and unclassified. Pre-processing is performed by converting the image into HSV, cropping, and thresholding to make easy recognition. The convolutional neural network (CNN) method is then used as a learning feature and hand signals classifier on an object. The testing phase is performed on various lights ranging from 10-200 lux and the hand distance to the webcam is about 50-200 cm. Experimental results show that the CNN method on the hand signal image could provide an accuracy of 97.2%, precision of 91.96%, sensitivity of 91.9%, specificity of 91.96%, and F1 score of 91.9%, respectively.
Model Klasifikasi Calon Mahasiswa Baru Untuk Sistem Rekomendasi Program Studi Sarjana Berbasis Machine Learning Pratama, Ahmad R; Aryanto, Rio Rizky; Pratama, Arif Taufiq M
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022934311

Abstract

Proses pemilihan program studi bagi calon mahasiswa baru, khususnya bagi mereka yang masih duduk di bangku SMA atau sederajat, merupakan salah satu momen pengambilan keputusan penting. Tak jarang pilihan yang salah berujung pada kegagalan studi atau kesulitan lain selepas menamatkan studi. Meski sudah mulai marak dilakukan di berbagai negara maju, sistem rekomendasi program studi berbasis machine learning untuk calon mahasiswa baru masih belum banyak dikembangkan di Indonesia. Penelitian ini dilakukan sebagai upaya rintisan sistem rekomendasi tersebut dengan menggunakan data pribadi dan akademik dari semua mahasiswa dan alumni program sarjana di Universitas Islam Indonesia (UII), di mana data prestasi akademik di masing-masing program studi digunakan sebagai ground truth label. Dari hasil penelitian ini, didapatkan sebuah model berbasis Random Forest (RF) dengan tingkat akurasi 86%, presisi 84%, recall 86%, dan AUC 97%. Model ini memiliki kinerja yang jauh lebih baik jika dibandingkan dengan model berbasis Multinomial Logistic Regression (MLR) maupun Support Vector Machine (SVM). Sesuai peta jalan penelitian, model yang dihasilkan dari penelitian ini akan digunakan untuk pengembangan sistem rekomendasi yang dapat membantu calon mahasiswa baru dalam memilih program studi saat proses penerimaan mahasiswa baru (PMB), khususnya di lingkungan UII. AbstractChoosing a major for the prospective undergraduate students is one of the most important moments in their life, especially for the high school graduates. Not infrequently, a wrong choice can lead to academic failure or even other difficulties after graduating from college. While a machine learning-based college major recommendation system is not strange in some developed countries, it is not the case in Indonesia. This study aims to serve as a pilot project for such a recommendation system by using personal and academic data of all students and alumni of the undergraduate programs in Universitas Islam Indonesia (UII) where academic achievement data is used as the ground truth label. Out of three models used and evaluated in this study, we found that Random Forest-based model to be the best option with an accuracy of 86%, precision on 84%, recall of 86%, and AUC of 97%. We also found that this model has a much better performance than other models with Multinomial Logistic Regression (MLR) or Support Vector Machine (SVM). The resulting model from this study will be deployed to develop a college major recommendation system that can help the prospective students choose their majors during college admission process, particularly in the context of UII as per research roadmap. 
Aplikasi Jurnal Harian Covid-19 untuk Pemantauan Isolasi Mandiri (PISOM) Anggun, Mutiara; Amanda, Margaretha; Sandi, Tri Ahmad; Priambodo, Rinto
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022945162

Abstract

Penyakit Coronavirus 2019 (Covid-19) merupakan penyakit infeksi virus SARS-CoV-2 yang mempengaruhi sistem pernapasan pada tubuh manusia dan dapat menular. Kasus Covid-19 di Indonesia semakin meningkat dari waktu ke waktu sehingga membutuhkan perhatian secara khusus. Pada kasus pasien yang terkonfirmasi “Tanpa Gejala” dan “Gejala Ringan” maka pasien tersebut harus melakukan isolasi mandiri di rumah. Pasien yang melakukan isolasi mandiri tersebut harus dipantau oleh petugas kesehatan melalui telepon. Hal ini menimbulkan masalah baru dikarenakan jumlah petugas yang terbatas untuk melakukan pemantauan pada pasien. Dari permasalahan tersebut, penulis membuat penelitian yang menghasilkan sebuah aplikasi Jurnal Harian Pasien Covid-19 untuk Pemantauan Isolasi mandiri (PISOM)”. Adapun tujuan dari aplikasi ini adalah untuk membantu petugas kesehatan dalam memantau pasien yang melakukan isolasi mandiri di rumah dan diharapkan data yang dihasilkan dapat dijadikan bahan penelitian lebih lanjut oleh pihak-pihak terkait. Aplikasi ini berbasis sistem operasi Android pada pasien dan web pada petugas kesehatan sehingga dapat mempermudah para pengguna dalam pengoperasian dan dapat diakses di manapun dan kapanpun. Dengan adanya aplikasi ini diharapkan dapat mempermudah dan membantu pasien dalam menjalani isolasi mandiri dan petugas kesehatan yang melakukan pemantuan.
Analisis Metode Estimasi Biaya pada Perangkat Lunak Beserta Faktor-Faktor yang Mempengaruhi : A Systematic Literature Review Ariyanto, Amelia Devi Putri; ‘Azizah, Lutfiyatul; Yuhana, Umi Laili
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021864611

Abstract

Estimasi biaya sampai sekarang masih menjadi salah satu permasalahan utama dalam perencanaan proyek perangkat lunak. Estimasi biaya ini memiliki peran yang penting karena berpengaruh pada berjalannya proyek dan menjadi penentu keberhasilan suatu proyek perangkat lunak. Kegagalan estimasi biaya dalam perencanaan proyek perangkat lunak dapat menyebabkan proyek tidak berjalan dengan baik dan menimbulkan kerugian bagi perusahaan. Oleh karena itu, banyak peneliti sampai saat ini masih mencari dan melakukan penelitian untuk mendapatkan estimasi terbaik. Berbagai metode diusulkan untuk mendapatkan ketepatan akurasi dengan memperhatikan faktor-faktor estimasi biaya. Tujuan penelitian ini adalah membuat Systematic Literature Review (SLR) yang berisi rangkuman dan analisis perkembangan penelitian terbaru tentang estimasi biaya pada perangkat lunak, khususnya pada metode yang digunakan serta faktor-faktor yang mempengaruhi. Penelitian ini berhasil mengkaji 21 penelitian lain dalam lima tahun terakhir (2015-2020) dan didapatkan 24 metode usulan yang terbagi menjadi tiga jenis metode yang sering digunakan dalam melakukan estimasi biaya perangkat lunak yaitu nonparametrik, parametrik dan semiparametrik. Selain itu, penelitian ini juga berhasil menemukan metode dan kombinasi metode terbaik berdasarkan ketepatan akurasi beserta lima faktor utama yang mempengaruhi estimasi biaya sehingga dapat digunakan para peneliti atau praktisi lain untuk mengembangkan estimasi biaya pada proyek perangkat lunak. AbstractCost estimation has an important role because it affects the project’s progress and determines the success of a software project. Failure to estimate costs in software project planning can cause the project to not run well and cause losses to the company. Therefore, many researchers are still looking for and researching to get the best estimation by considering the cost estimation factors. The purpose of this study is to create a Systematic Literature Review (SLR) which contains a summary and analysis of the latest research developments on cost estimation in software, especially in the methods used and the factors that affect cost estimation. This study successfully reviewed 21 other studies in the last five years (2015-2020) and obtained 24 planning methods which are divided into three types of methods that are often used in conducting software cost research, namely nonparametric, parametric and semiparametric. Besides, this study also succeeded in finding the best method and combination of methods based on best accuracy, namely COCOMO II and the combination of Genetic Algorithm and Artificial Bee Colony, along with the five main factors that influence cost estimation so that it can be used by researchers or other practitioners to develop cost estimates for software projects.
Pengaruh Prediksi Missing Value pada Klasifikasi Decision Tree C4.5 Arifianto, Aji Seto; Dewi Safitri, Kursita; Agustianto, Khafidurrohman; Wiryawan, I Gede
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022944778

Abstract

Pendekatan klasifikasi data bersifat supervised learning menuntut adanya dataset yang lengkap. Permasalahan yang muncul adanya missing value yaitu hilangnya nilai suatu atribut yang diakibatkan kesalahan dalam pengumpulan data, kesalahan saat memasukkan data, dan ketidakmampuan responden untuk memberikan jawaban yang akurat. Penelitian ini melakukan uji coba pengembangan rule decision tree C4.5 untuk data penyakit ginjal kronis. Dataset terdiri dari 400 record, 24 atribut dan 1 kelas target. Karakteristik data yang digunakan meliputi 11 data bertipe numerik dan 14 data bertipe nominal. Jumlah data kelas positif penyakit ginjal kronis 250, sedangkan negatif ginjal kronis 150. Total data yang tidak lengkap (missing value) 1012 records. Perlakuan pertama dibangun rule dengan menghitung entropy dan gain pada 360 data training yang terdapat missing value diperoleh 21 rules. Kemudian pada perlakuan kedua diterapkan prediksi missing value menggunakan rumus mean dan modus sebelum pembetukan rule tree, didapatkan 24 rules. Mengukur akurasi kedua rules tree C4.5 dilakukan menguji 40 data test, hasilnya 90% untuk rule dengan missing value dan 95% untuk dataset yang telah diprediksi nilainya. AbstractThe supervised learning approach to data classification requires a complete dataset. The problem that arises was the existence of missing value, namely the loss of the value of an attribute due to errors in data collection, errors when entering data, and the inability of respondents to provide accurate answers. This study conducted a trial on the development of the C4.5 rule decision tree for chronic kidney disease data. The dataset consisted of 400 records, 24 attributes and 1 target class. The data characteristics included 11 numeric data and 14 nominal data types. The number of positive data for kidney disease was 250, while the number of negative for kidney disease was 150 and the total of missing value was 1012 records. The first treatment was building a rule by calculating the entropy and gain on 360 training data where missing value was obtained, it was 21 rules. Then in the second treatment, the prediction of missing value was applied using the mean and mode formula before the formation of the rule tree, obtained 24 rules. Researcher was measuring the accuracy of the two rules tree C4.5 is done by using 40 data-testing, the result is 90% for rules with missing value and 95% for datasets whose value has been predicted.
Sistem Berbasis Private Blockchain sebagai Penyedia Layanan Autentikasi Publisher-Broker-Subscriber Pada Protokol Message Queue Telemetry Transport Dzakie, Muhammad Naufal; Bhawiyuga, Adhitya; Basuki, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022945752

Abstract

Protokol MQTT pada umumnya menggunakan username dan password untuk memvalidasi klien yang terhubung ke broker. Salah satu cara yang biasa dilakukan untuk melakukan hal ini adalah dengan membuat dedicated server yang berfungsi untuk memvalidasi klien yang terhubung pada broker. Akan tetapi hal ini membuat proses validasi klien bergantung pada entitas yang umumnya dibuat terpusat (centralized). Sistem yang terpusat rentan mengalami kegagalan yang dapat menyebabkan sistem kehilangan data dan ketersediaan yang rendah ketika ingin digunakan. Oleh karena itu, peneliti mengusulkan penggunaan Ethereum blockchain sebagai pengganti dari authentication server. Blockchain merupakan teknologi penyimpanan data terdistribusi secara peer to peer yang dapat mencegah perubahan data tanpa izin. Selain itu platform Ethereum blockchain mempunyai teknologi smart contract, dengan teknologi ini pengguna dapat mengunggah program kecil pada blockchain. Pada penelitian ini, smart contract akan dijadikan pengganti dari authentication server yang biasanya digunakan pada broker MQTT. Penulis berharap terciptanya authentication server yang terdistribusi guna membantu broker MQTT dalam memvalidasi klien setelah menerapkan teknologi blockchain dan smart contract pada MQTT authentication server. Hasil dari pengujian fungsional yang didapat bahwa implementasi MQTT authentication server pada platform blockchain sudah dapat berjalan sesuai dengan fungsinya dalam melakukan authentication dan authorization pada klien. Hasil dari pengujian non fungsional menunjukkan bahwa distribusi data sudah dapat dijaga konsistensi nya pada tiap – tiap node. Berdasarkan hasil penelitian tersebut dapat disimpulkan bahwa sistem yang dibuat dapat dijadikan sebagai solusi permasalahan MQTT authentication server yang terpusat.AbstractNormally MQTT protocol uses username and password for klien validation with broker. One of many ways to this is to have a dedicated server that functions wholly on handling klien validation with broker. However, there were draw backs to this, as centralized server has a higher chance of failure, which can cause data loss. Therefore, in this study, we will propose a solution using Ethereum blockchain as a substitute for the authentication server. Blockchain is a peer-to-peer data storage technology that is distributed and immutable. With Ethereum blockchain user can upload a smart contract to the blockchain that acts as a mini program. Because of this the writer propose to make a smart contract that functions as an authentication server. If implemented correctly, the writer hopes to create a distributed authentication server that helps MQTT broker to validate kliens. The result of functional testing shows that the authentication server is running by its function to authenticate and authorize kliens that connects to the broker. While the result of non-functional testing shows that the system distributed function can maintain data consistency. Therefore, based on these results, this system can be a solution for a centralized MQTT authentication server.
Penerapan Metode Jaringan Syaraf Tiruan Backpropagation untuk Prediksi Tingkat Kemiskinan di Provinsi Jawa Tengah Finaliamartha, Dian; Supriyadi, Didi; Fitriana, Gita Fadila
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022934806

Abstract

Kemiskinan merupakan permasalahan yang semestinya dipandang sebagai suatu masalah sosial yang kompleks (multidimensional). Berdasarkan data dari Badan Pusat Statistik, presentase kemiskinan nasional pada Maret 2019 sebesar 9,41 persen. Sementara, Provinsi Jawa Tengah memiliki tingkat kemiskinan lebih tinggi dibandingkan dengan tingkat kemiskinan nasional yakni sebesar 10,8 persen. Tingginya tingkat kemiskinan dapat menyebabkan tindak kriminal, tingginya angka pengangguran, kekacauan sosial, politik dan lain sebagainya. Oleh karena itu, penelitian ini bertujuan untuk menganalisis tingkat kemiskinan dengan menentukan model yang tepat yang selanjutnya dapat digunakan untuk melakukan prediksi tingkat kemiskinan menurut kabupaten/kota di Provinsi Jawa Tengah. Penelitian ini menggunakan data yang diperoleh dari Badan Pusat Statistik Provinsi Jawa Tengah dari tahun 2010 sampai dengan 2019 yang terdiri dari data Laju Pertumbuhan Ekonomi, Tingkat Pengangguran Terbuka, Indeks Pembangunan Manusia, dan Tingkat Kemiskinan menurut kabupaten/kota. Metode yang digunakan yaitu Jaringan Syaraf Tiruan Backpropagation. Jaringan Syaraf Tiruan Backpropagation memiliki kinerja yang baik dalam menyelesaikan permasalahan, salah satunya masalah prediksi. Berdasarkan model arsitektur terbaik yang dihasilkan pada penelitian ini, yaitu model arsitektur 3-35-1 dapat dihasilkan tingkat akurasi sebesar 95,2% menggunakan MSE pada proses pengujian menggunakan data pengujian. Sehingga dapat disimpulkan bahwa Jaringan Syaraf Tiruan Backpropagation dengan menerapkan model yang tepat dapat menghasilkan tingkat akurasi yang baik yang selanjutnya dapat digunakan sebagai alternatif untuk melakukan prediksi tingkat kemiskinan menurut kabupaten/kota di Provinsi Jawa Tengah di masa mendatang. Abstract

Page 2 of 3 | Total Record : 26

 1   2   3 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 12 No 6: Desember 2025 Vol 12 No 5: Oktober 2025 Vol 12 No 4: Agustus 2025 Vol 12 No 3: Juni 2025 Vol 12 No 2: April 2025 Vol 12 No 1: Februari 2025 Vol 11 No 6: Desember 2024 Vol 11 No 5: Oktober 2024 Vol 11 No 4: Agustus 2024 Vol 11 No 3: Juni 2024 Vol 11 No 2: April 2024 Vol 11 No 1: Februari 2024 Vol 10 No 6: Desember 2023 Vol 10 No 5: Oktober 2023 Vol 10 No 4: Agustus 2023 Vol 10 No 3: Juni 2023 Vol 10 No 2: April 2023 Vol 10 No 1: Februari 2023 Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022 Vol 9 No 6: Desember 2022 Vol 9 No 5: Oktober 2022 Vol 9 No 4: Agustus 2022 Vol 9 No 3: Juni 2022 Vol 9 No 2: April 2022 Vol 9 No 1: Februari 2022 Vol 8 No 6: Desember 2021 Vol 8 No 5: Oktober 2021 Vol 8 No 4: Agustus 2021 Vol 8 No 3: Juni 2021 Vol 8 No 2: April 2021 Vol 8 No 1: Februari 2021 Vol 7 No 6: Desember 2020 Vol 7 No 5: Oktober 2020 Vol 7 No 4: Agustus 2020 Vol 7 No 3: Juni 2020 Vol 7 No 2: April 2020 Vol 7 No 1: Februari 2020 Vol 6 No 6: Desember 2019 Vol 6 No 5: Oktober 2019 Vol 6 No 4: Agustus 2019 Vol 6 No 3: Juni 2019 Vol 6 No 2: April 2019 Vol 6 No 1: Februari 2019 Vol 5 No 6: Desember 2018 Vol 5 No 5: Oktober 2018 Vol 5 No 4: Agustus 2018 Vol 5 No 3: Juni 2018 Vol 5 No 2: April 2018 Vol 5 No 1: Februari 2018 Vol 4 No 4: Desember 2017 Vol 4 No 3: September 2017 Vol 4 No 2: Juni 2017 Vol 4 No 1: Maret 2017 Vol 3 No 4: Desember 2016 Vol 3 No 3: September 2016 Vol 3 No 2: Juni 2016 Vol 3 No 1: Maret 2016 Vol 2 No 2: Oktober 2015 Vol 2, No 2 (2015) Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1, No 2 (2014) Vol 1 No 2: Oktober 2014 Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue